التفكيك الفردي للسحابات النقطية له أهمية حاسمة في فهم المشاهد ثلاثية الأبعاد. تعتمد معظم الطرق المتقدمة حاليًا على التجميع بناءً على المسافة، وهي طريقة فعالة عادةً لكنها لا تؤدي أداءً جيدًا في تفكيك الكائنات المجاورة التي تحمل نفس التسمية الدلالية (خاصة عندما تشارك نقاطًا مجاورة). وبسبب التوزيع غير المتكافئ لنقاط الانزياح، يصعب على هذه الطرق الحالية تجميع جميع نقاط المثيلات. ولحل هذه المشكلة، نقترح استراتيجية جديدة من نوع "قسم واحكم" تُسمى PBNet، حيث يتم تحويل كل نقطة إلى قيمة ثنائية، ثم تُجرى عملية تجميع منفصلة لكل نقطة لتحديد المثيلات. يقسم التجميع الثنائي نقاط المثيلات المزاحة إلى فئتين: نقاط ذات كثافة عالية (HPs) ونقاط ذات كثافة منخفضة (LPs). ويمكن فصل الكائنات المجاورة بوضوح عن طريق إزالة النقاط ذات الكثافة المنخفضة، ثم إكمالها وتحسينها من خلال تخصيص النقاط ذات الكثافة المنخفضة باستخدام طريقة التصويت من الجيران. ولتقليل خطر التفكيك الزائد المحتمل، نقترح بناء مشاهد محلية باستخدام قناع وزني لكل مثيل. وبما أن هذه الطريقة يمكن دمجها كوحدة مُضافة (plug-in)، فهي قادرة على استبدال التجميع التقليدي القائم على المسافة، مما يؤدي إلى تحسينات متسقة في الأداء على العديد من الأطر الأساسية الشائعة. تُظهر سلسلة من التجارب على مجموعتي بيانات ScanNetV2 وS3DIS تفوق نموذجنا. وبالتحديد، يحتل PBNet المرتبة الأولى في تحدي المعيار الرسمي لـ ScanNetV2، ويحقق أعلى قيمة لـ mAP. وسيتم إتاحة الكود بشكل عام عبر الرابط: https://github.com/weiguangzhao/PBNet.